Different Disease Endotypes in Phenotypically Similar Vasculitides Affecting Small-to-Medium Sized Blood Vessels
Notice bibliographique
Résumé
Objectives: Chronic primary vasculitis describes a group of complex and rare diseases that are characterized by blood vessel inflammation. Classification of vasculitis subtypes is based predominantly on the size of the involved vessels and clinical phenotype. There is a recognized need to improve classification, especially for small-to-medium sized vessel vasculitides, that, ideally, is based on the underlying biology with a view to informing treatment. Methods: We performed RNA-Seq on blood samples from children (n = 41) and from adults (n = 11) with small-to-medium sized vessel vasculitis, and used unsupervised hierarchical clustering of gene expression patterns in combination with clinical metadata to define disease subtypes. Results: Differential gene expression at the time of diagnosis separated patients into two primary endotypes that differed in the expression of ~3,800 genes in children, and ~1,600 genes in adults. These endotypes were also present during disease flares, and both adult and pediatric endotypes could be discriminated based on the expression of just 20 differentially expressed genes. Endotypes were associated with distinct biological processes, namely neutrophil degranulation and T cell receptor signaling. Conclusions: Phenotypically similar subsets of small-to-medium sized vessel vasculitis may have different mechanistic drivers involving innate vs. adaptive immune processes. Discovery of these differentiating immune features provides a mechanistic-based alternative for subclassification of vasculitis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».